基于Markov与MMTS的移动对象位置预测算法

　　针对低阶Markov模型预测精度较差，以及多阶Markov模型预测稀疏率高的问题，提出一种基于Markov模型与轨迹相似度（ MMTS）的移动对象位置预测算法。该方法借鉴了Markov模型思想对移动对象的历史轨迹进行建模，并将轨迹相似度作为位置预测的重要因素，以Markov预测模型的预测结果集作为预测候选集，结合相似度因素得出最终预测结果。实验结果表明，与K阶Markov模型相比，该方法的预测性能不会随着训练样本大小及阶数后的变化受到很大的影响，并且在大幅降低K阶Markov模型预测稀疏率的同时将预测精度平均提高了8%以上。所提方法不仅解决了K阶Markov模型的预测稀疏率高及预测精度不足的问题；同时提高了预测的稳定性。